GitHub 在 2026 年 11 月 17 日為 Copilot code review 發布一組新能力:Adaptive review effort 會依 pull request 的複雜度與風險,在 Lite、Balanced、Max 中選擇深度;cross-repository context 可讀取相關公開 repository;secret detection 則在 review comment 中指出疑似憑證。三項功能目前都是 public preview,官方提醒行為仍可能調整。

Adaptive、跨儲存庫脈絡與祕密偵測適用於 Copilot Pro、Pro+、Max、Business 與 Enterprise。Balanced 仍是預設 review effort;Adaptive 可以針對單一 PR 選擇,也能在個人、repository、organization 或 enterprise 層級設成預設,而且不會超過上層設定的 maximum review effort。

這不是「AI review 已可取代人工審查」,也不是開啟祕密偵測後就不需要 push protection。新功能適合增加早期訊號與依風險分配檢查資源,但預覽功能、非確定性偵測與跨 repository 取用都需要政策邊界、費用觀察和人工驗證。

Adaptive 解決的是分流,不是責任轉移

固定 Lite 可能漏掉跨服務或安全敏感邏輯,全部設 Max 又會增加等待時間與 AI credits。Adaptive 的價值是把文件小改與驗證、權限、付款等高風險變更分開處理;每次 review 會顯示它選擇的 effort,團隊可以檢查分流是否符合預期。

但分類結果不能取代 branch protection。付款、身分驗證、資料遷移與 infrastructure as code,仍應要求相應的 code owners、測試與人工核准。若 Adaptive 對高風險 PR 選到 Lite,流程應允許 reviewer 手動提高 effort,並記錄這是模型分流失準,而不是降低原本合併條件。

GitHub 文件指出 Balanced 與 Max 會使用較多 AI credits,也可能多消耗少量 GitHub Actions minutes。導入前應先用實際帳務與 repository insights 建立基線,不猜測每次 review 的固定價格。maximum review effort 可以在 enterprise、organization 或 repository 設上限;中央管理者可控制成本邊界,個別團隊再在上限內選擇。

跨儲存庫脈絡要先定義可見範圍

目前 cross-repository context 的公告範圍是相關公開 repositories。它可以找到其他程式對這次 API 變更的依賴,也能讀到外部 repository 的文件、custom instructions 與 skills。對拆成 SDK、服務與範例專案的開源產品,這比單一 diff 更有機會指出破壞性影響。

同時,公開不等於可信。外部 repository 的 instructions、文件或產生內容可能過期或帶有不當指示;reviewer 應把跨庫引用當成待驗證線索,回到實際 API contract、版本與 owner 查核。若團隊需要私有 monorepo 或內部多庫的關聯分析,不能把這次 public repository preview 推論成已完整支援私有範圍。

導入時可先挑一組明確依賴的公開 SDK 與 sample app,準備一個改動 function signature 的測試 PR,觀察 review 是否找到下游呼叫;再準備同名但無關的 repository,檢查是否誤連結。記錄引用來源與誤報,才能判斷它是否比現有依賴掃描或 contract test 多提供有效訊號。

祕密偵測要與既有安全閘門疊加

Copilot code review 的 secret detection 結合已知格式的 deterministic detector,以及針對沒有固定格式祕密的 AI/ML 偵測。它在 PR review 階段留言,適合提醒 reviewer 移除暴露憑證;功能需要到 repository 或 organization 的 Settings、Copilot、Code review 中開啟。

Review comment 不是可靠的阻擋邊界。對已知 token,secret scanning 與 push protection 應繼續在 push 或合併前阻擋;對雲端環境與 CI,仍要使用短效憑證、OIDC、最小權限和定期輪替。任何真正進入 Git history 的有效祕密,都應先撤銷或輪替,再清理紀錄,不能只刪除 diff 或 resolve comment。

測試也不能使用真正憑證。建立明確標為假的 canary pattern,以及一段看似祕密但不是 token 的測試字串,分別觀察漏報與誤報。安全團隊要定義誰能關閉功能、誰處理告警、哪些 finding 必須阻擋,以及誤報如何標記;不應讓開發者因大量低品質 comment 習慣性略過。

分三階段導入,不要一次套用所有 repository

第一階段選 2 至 5 個風險不同的 repository,保留 Balanced 為組織預設,只在試點手動選 Adaptive,開啟 secret detection 並維持原本 required checks。記錄 review effort、等待時間、AI credits、Action minutes、有效 finding、誤報、人工覆核時間,以及是否在人工 review 前找到問題。

第二階段把 maximum effort、可自動 review 的分支與排除 repository 寫成政策。文件與網站內容庫可以接受較輕流程;付款、權限、基礎設施和資料處理庫保留 code owners 與更嚴格上限。自動 review 若會在每次 push 重跑,先評估大型 PR 與頻繁 force-update 對成本和 comment 噪音的影響。

第三階段才考慮把 Adaptive 設成 organization default。用 repository insights 追蹤 Copilot feedback 是否被採用與解決,抽樣檢查「沒有留言」的 PR,而不是只統計 comment 數。預覽期間保留關閉開關與回退到 Balanced 的步驟,並在 release note 或功能行為變動時重新驗收。

完成標準應是:高風險變更沒有降低人工責任,祕密偵測與 push protection 各司其職,跨庫訊號可追溯,且成本能按 repository 解釋。若試點只增加留言與 credits,卻沒有提早發現可行動問題,先縮小自動 review 範圍;若它能穩定把 reviewer 注意力導向真正高風險變更,再逐步擴大會比全域開啟更可靠。